• Een nieuw algoritme voor machine learning (ML) maakt gebruik van kunstmatige intelligentie (AI) en Emotiv EEG om de hersenleeftijd van een persoon te berekenen.

• Veranderingen in het EEG van een persoon in rusttoestand kunnen vroege tekenen zijn van degeneratieve ziekten zoals de ziekte van Alzheimer.

• De onderzoeksresultaten, gepubliceerd in Frontiers in Neuroergonomics, bieden een proactieve benadering voor het screenen van de hersengezondheid.

Onderzoekers hebben een nieuwe methode ontwikkeld om het verschil te berekenen tussen de chronologische leeftijd en de hersenleeftijd van een persoon. Dit machine learning-model maakt gebruik van Emotiv Epoc X-headsets om de elektrische activiteit te meten tijdens de rusttoestand van de hersenen (wakker maar zonder een bepaalde taak uit te voeren) en vergelijkt deze met statistische gegevens van gezonde volwassenen.

Kounios et al. (2024) trainden het algoritme met Epoc X -hersengegevens die zijn verzameld bij een groep fysieke en online deelnemers op afstand, evenals aanvullende trainingsdatasets. In totaal maakte de studie gebruik van vijf gecombineerde datasets.

Waarom is hersenleeftijd belangrijk?

Het menselijk brein verandert voortdurend, waarbij gedurende ons hele leven nieuwe verbindingen worden gelegd en oude worden hersteld. Letsel en ziekte kunnen de ontwikkelingsfase van de hersenen vertragen of versnellen, waardoor een "hersenleeftijdskloof" ontstaat. Deze kloof kan dienen als waarschuwingssignaal voor ouderdomsziekten. Helaas zijn hersenscans vaak duur en tijdrovend, en worden ze pas uitgevoerd als de symptomen van de ziekte zich al manifesteren.

De auteurs stellen voor dat het scannen van individuen in de vroege middelbare leeftijd of jonger de mogelijkheid vergroot om neurologische aandoeningen in hun vroegste fasen op te sporen en te behandelen.

"Onze benadering van de schatting van de EEG-hersenleeftijd heeft verschillende veelbelovende toepassingen," merken de auteurs op. "Het kan worden gebruikt als een relatief goedkoop screeninginstrument om personen te identificeren bij wie de hersenleeftijdskloof wijst op de mogelijkheid van een onderliggende leeftijdsgebonden pathologie, wat kan worden opgevolgd met specifieke diagnostische tests. Bovendien kan, dankzij de relatief lage kosten van de Emotiv Epoc X-headset, de schatting van de EEG-hersenleeftijd herhaaldelijk worden uitgevoerd om resultaten te verifiëren en veranderingen in de loop van de tijd te detecteren."

Deze dataset over hersenleeftijd kan ook nuttig zijn voor het testen van mogelijke interventies om neurologische veroudering te vertragen of om te keren. Een studie uit 2020, gefinancierd door de National Institute on Aging, wees bijvoorbeeld uit dat bepaalde gezonde levensstijlfactoren het risico op Alzheimer met 60% kunnen verlagen (Dhana et al., 2020).

Draadloos EEG schiet te hulp

Kounios en zijn collega's prezen de EPOC X om zijn betaalbaarheid en toegankelijkheid. Ze zeiden dat het mensen in staat stelt om thuis of op het werk een schatting te maken van hun hersenleeftijd. Dit zou kunnen leiden tot meer onderzoek naar leeftijdsgebonden cognitieve achteruitgang en levensstijlinterventies voor cognitieve gezondheid.

Leren hoe je de hersenleeftijd berekent, biedt ook andere mogelijkheden. Er is bijvoorbeeld een groep mensen van 80 en 90 jaar oud die "cognitieve super-agers" worden genoemd en die de statistieken tarten. Cognitieve super-agers hebben geheugenprestaties die vergelijkbaar zijn met die van volwassenen die 20 tot 30 jaar jonger zijn. Lopende studies zijn erop gericht om van deze uitzonderlijke groep mensen te leren en die informatie te gebruiken om gezonde hersenveroudering te bevorderen.

Neurowetenschappers and andere onderzoekers hopen een beter inzicht te krijgen in de rol die voeding, omgeving, levensstijl en genetica spelen bij het verouderen van onze hersenen.

De auteurs benadrukken het belang van het evalueren van de stabiliteit van hun screeningmodel voor de hersenleeftijd over een langere periode. Toekomstig onderzoek is ook nodig om deze bevindingen te valideren met een grotere en meer diverse steekproef van hersen-EEG-gegevens.

Referenties:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732